WB - PD3

Chojecki Przemysław

Wczytanie zbioru, modelu i Explainer

Dla wybranej obserwacji ze zbioru danych wylicz predykcję modelu

Dla obserwacji nr $17$ model przewiduje, że na $53\%$ będzie wartość $1$. Okazuje się to poprawną predykcją - ten klient opuścił bank, ale jak widać model był całkiem niepewny. Przyjrzyjmy się, czemu model w tym przypadku miał trudności.

Wiele z komumn w modelu są 0-1-kowe, a wykresy tych kolumn nudne.

Każdy wykres pokazuje jak zmienia się predykcja ustalając na stałe pozostałe wartości, a manipulując tylko jedną.

  1. Płeć nie wpływa na predykcję, co dobrze świadczy o reprezentacji danych
  2. Jeśli bank nie wie, jakie zarobki ma klient, to zwiększa to jego szansę na odejście z niego
  3. Większe zarobki wpływają na mniejszą chęć do zmiany banku
  4. Jeśli bank nie wie, jakie wyksztaucenie ma klient, to zwiększa to jego szansę na odejście z niego
  5. Im klient bardziej wyksztaucony, tym żadziej opuszcza bank
  6. Posiadanie karty koluru "Złotego" zwiększa chęć odejścia
  7. Rozwodnicy czętniej opuszczają bank
  8. W związkach żadziej opuszczają bank
  9. Osoby samotne żadziej opuszczają bank
  10. Brak wiedzy banku o stanie cywilnym świadczy o opuszczeniu przez klienta banku
  11. Wiek ma niewielki wpływ, choć klienci starci ciut żadziej opuszczają bank, co zgadza się ze stereotypem ludzi starszych niechętnych do zmian
  12. Wysoki limit na karcie kredytowej jest oznaką chęci opuszczenia banku. Być może ten bank nie daje dobrych ofert bogatrzym klientom
  13. Bardzo niskie wartości wykorzystania kredytów sprzyja zostawaniu klientów w banku
  14. Możliwość kupienia mniejszego kredytowania powoduje pozostanie klientów, zapewno łączy się to z kolumną Credit_Limit
  15. Całkowita wartość tranzakcji akurat wpadła w duży niż; pewnie klienci z zerową tą wartością nie kożystają niż z naszych usług i opuszczą bank; klienci z większą korelują z klientami z wysokim limitem na karcie i być może poszukają banku z leprzą ofertą
  16. Jeśli klient kożysta z co najmniej $3$ produktów bankowych, to prawie na pewno nas nie opuści - jest zwjązany
  17. Nieaktywność użytkowników świadczy o chęci opuszczenia
  18. Częste odwiedziny klientów w placówce bankowej świadczy o chęci załatwienia ważnej sprawy - na przykład rezygnacji z usług
  19. Klienci zostawiający sobie mało na następny okres rozliczeniowy raczej nie są przywiązani do naszych usług
  20. Klienci, którzy zwiększyli wykorzystanie bankomatów raczej nas nie opuszczą
  21. Dużo kożystania z bankomatów bardzo wpływa na pozostanie w banku

Większość informacji wyciąganych z modelu wydaje się logiczna, na przykład:

  1. Nieaktywność użytkowników świadczy o chęci opuszczenia
  2. Duża liczba instrumentów bankowych świadczy o chęci pozostania

Było jednak kilka zaskoczeń:

  1. Większe zarobki wpływają na mniejszą chęć do zmiany banku, ale wysoki limit na karcie kredytowej jest oznaką chęci opuszczenia banku
  2. Częste odwiedziny klientów w placówce bankowej świadczy o chęci opuszczenia go

Wybierz dwie obserwacje ze zbioru danych, które mają różne profile CP

Wciąż widać, że wartości Total_Trans_Amt w przedziale $\$1k - \$5k$ są "złotym miejscem" dla klientów, którzy nie opuszczą raczej naszego banku. Tym razem jednak ta różnica nie jest aż tak widoczna jak wcześniej. Zapewne inne czynnkiki są "niepewne", dlatego ta wartość ma bardzo duży wpływ.

W przypdaku tej obserwacji nieaktywność klientów przez więcej niż $2$ miesiące niema aż tak dużego wpływu na przewidywania co w przypadku poprzedniej obserwacji.